Wiedza milcząca i paradoks Polanyiego

Definicja robocza

Wiedza milcząca (tacit knowledge) to wymiar poznania obejmujący umiejętności ucieleśnione, wyczucie diagnostyczne, reguły smaku i zmysł orientacji, których podmiot używa skutecznie w działaniu, lecz których nie potrafi w pełni wyartykułować w postaci jawnych zdań, definicji ani instrukcji krok po kroku. U Michaela Polanyiego nie jest to ułomna, przednaukowa resztka czekająca na formalizację, lecz konieczny fundament wszelkiej wiedzy jawnej (explicit knowledge): każdy wzór matematyczny i każda procedura prawna wymagają milczącej umiejętności ich odczytania i zastosowania do konkretnego przypadku. Wyprowadzony stąd przez Davida H. Autora paradoks Polanyiego (Polanyi’s paradox) głosi, że nasza milcząca znajomość tego, jak działa świat, wielokrotnie przewyższa naszą zdolność do jawnego opisania reguł tego działania — co przez dekady blokowało automatyzację pozornie prostych czynności ludzkich.

Geneza i rodowód

Pojęcie stworzył węgiersko-brytyjski fizykochemik i filozof nauki Michael Polanyi w traktacie Personal Knowledge (1958) oraz w wykładach The Tacit Dimension (1966), rozwijając wcześniejsze intuicje Gilberta Ryle’a o różnicy między „wiedzą jak” (knowing how) a „wiedzą że” (knowing that, 1949) oraz psychologii postaci (Gestalt). Polanyi — przez lata światowej klasy badacz kinetyki chemicznej i dyfrakcji rentgenowskiej — wystąpił przeciw pozytywistycznemu ideałowi całkowicie zdepersonalizowanej nauki oraz przeciw radzieckiemu projektowi centralnego sterowania badaniami (który krytykował wspólnie z Friedrichem Hayekiem w ramach Society for Freedom in Science). Strukturę poznania milczącego opisał jako relację „od–do” (from–to): kiedy niewidomy bada drogę laską albo chirurg operuje sondą, nie skupia uwagi „ogniskowej” (focal awareness) na nacisku rękojeści na własną dłoń, lecz traktuje te bodźce jako wskazówki „pomocnicze” (subsidiary awareness), od których rzutuje uwagę na koniec laski. W latach 90. pojęcie zostało przechwycone przez literaturę zarządzania (model Nonaki i Takeuchiego z 1995 r.), która często redukowała je do jeszcze-nie-zapisanego know-how pracowników, które dział HR powinien „wydobyć” i zamknąć w bazie danych — wprost wbrew tezie Polanyiego o nieusuwalności milczącego podłoża.

Rodowód środkowoeuropejski

Myśl Michaela Polanyiego (urodzonego w 1891 r. w Budapeszcie jako Mihály Polányi, młodszego brata Karla Polanyiego) ukształtowała się w niezwykłym zagęszczeniu intelektualnym przełomu wieków w Austro-Węgrzech. W Budapeszcie Polanyi ukończył w 1913 r. studia medyczne, służył jako lekarz wojskowy w armii austro-węgierskiej podczas I wojny światowej i obronił w 1917 r. doktorat z chemii fizycznej pod kierunkiem Gusztáva Buchböcka. Należał wówczas do postępowego Klubu Galileusza (Galilei Kör) oraz orbitował wokół budapeszteńskiego Koła Niedzielnego (Vasárnapi Kör), w którym György Lukács i Karl Mannheim spierali się o kryzys europejskiego racjonalizmu, duchowe podstawy kultury i społeczne zakorzenienie myśli. Po upadku Republiki Węgierskiej i dojściu do władzy Miklósa Horthyego w 1919 r. Polanyi wyemigrował najpierw do Karlsruhe i Berlina (gdzie w Instytucie Cesarza Wilhelma pracował obok Fritza Habera, Alberta Einsteina i Eugene’a Wignera), a w 1933 r., uciekając przed nazizmem, objął katedrę w Manchesterze. Siedem dekad później jego budapeszteńsko-manchesterską formułę „wiemy więcej, niż potrafimy wypowiedzieć” podjął ekonomista David H. Autor w studium NBER z 2014 r., nadając jej nazwę „paradoksu Polanyiego” i czyniąc z niej oś współczesnej debaty o wpływie sztucznej inteligencji na pracę.

Dlaczego teraz

W latach 2018–2026 paradoks Polanyiego znalazł się w samym centrum rewolucji uczenia głębokiego i wielkoskalowych modeli językowych (LLM). Przez pół wieku klasyczne systemy eksperckie (GOFAI) rozbijały się o barierę Polanyiego: programiści próbowali ręcznie spisać reguły rozpoznawania twarzy, prowadzenia samochodu lub tłumaczenia poezji, co kończyło się kruchymi drzewami decyzyjnymi. Przełom architektur neuronowych i sieci typu Transformer po 2017 r. polegał na tym, że inżynierowie przestali pytać ekspertów o jawne reguły, a zamiast tego pozwolili sieciom ekstrahować statystyczne wzorce bezpośrednio z miliardów przykładów ludzkiego działania. W efekcie w latach 2022–2026 paradoks Polanyiego uległ odwróceniu: same sieci neuronowe wytworzyły własny, nieprzejrzysty odpowiednik „wiedzy milczącej” — zestaw miliardów wag, które potrafią wygenerować poprawny kod lub diagnozę radiologiczną, ale nie potrafią podać wiernego łańcucha reguł stojących za wynikiem (stąd kryzys wyjaśnialności XAI). Jednocześnie w zawodach rzemieślniczych, opiekuńczych i laboratoryjnych okazało się, że fizyczna, ucieleśniona część wiedzy milczącej wciąż opiera się robotyzacji znacznie skuteczniej niż pisanie rutynowych analiz białych kołnierzyków.

Siła wyjaśniająca

Rozróżnienie Polanyiego na uwagę pomocniczą i ogniskową wyjaśnia, dlaczego próba nadmiernej racjonalizacji i rozłożenia biegłości na czynniki pierwsze często paraliżuje samo działanie. Kiedy doświadczony pianista w trakcie koncertu albo tenisista podczas serwisu przeniesie uwagę ogniskową z melodii lub toru lotu piłki na poszczególne mięśnie palców i nadgarstka, natychmiast gubi rytm i popełnia błąd. Ten sam mechanizm działa w skali instytucji: gdy szpital, uniwersytet albo redakcja zastępuje mistrzowskie terminowanie i osąd kliniczny szczegółową listą kontrolną (checklist) oraz matrycą wskaźników KPI, specjaliści są zmuszani do porzucenia całościowego rozpoznania postaci na rzecz odhaczania izolowanych parametrów. Pojęcie pozwala też zrozumieć, dlaczego transfer zaawansowanych technologii (np. produkcji półprzewodników litograficznych EUV czy szczepionek mRNA) nie udaje się przez samo przekazanie patentów i dokumentacji: bez migracji zespołów inżynierów, którzy „w palcach” czują kalibrację aparatury, fabryka z identycznymi schematami przez lata nie osiąga pełnego uzysku.

Osie sporu

Niedoceniany kąt

W dobie generatywnej sztucznej inteligencji najpoważniejszym zagrożeniem nie jest to, że maszyny przejmą wiedzę milczącą obecnych ekspertów, lecz to, że zniszczą drabinę, po której kolejne pokolenie ludzi tę wiedzę zdobywało. Ekspertem — w prawie, architekturze oprogramowania, medycynie czy redakcji tekstu — nie zostaje się przez czytanie gotowych syntez, lecz przez tysiące godzin zmagania się z surowym materiałem na stanowiskach juniorskich. Podczas ręcznego debugowania kodu, pisania projektów pism czy opisywania zdjęć rentgenowskich u adepta odkłada się gęsta sieć wskazówek pomocniczych, która po latach daje błyskawiczne wyczucie anomalii. Jeśli firmy zastąpią pracę juniorów modelami generatywnymi, a seniorów zostawią w roli korektorów, po odejściu obecnego pokolenia mistrzów zabraknie ludzi zdolnych rozpoznać, kiedy gładki wynik modelu jest subtelną halucynacją.

W przekładzie

Angielskie tacit knowledge (od łacińskiego tacitus — milczący, niewypowiedziany) bywa tłumaczone na polski dwojako: jako „wiedza milcząca” (przekład filozoficzny, przyjęty m.in. w polskim wydaniu The Tacit Dimension z 2022 r.) albo jako „wiedza niejawna” czy „wiedza ukryta” (częsta w podręcznikach zarządzania i informatyki). Określenie „wiedza niejawna” jest jednak mylące, bo sugeruje informację tajną, zatajoną lub zaszyfrowaną, którą można w każdej chwili ujawnić jednym podpisem. „Wiedza milcząca” znacznie celniej oddaje myśl Polanyiego: jest to wiedza, która działa w ciszy ciała i nawyku, obecna dla każdego na widoku, a mimo to oporna na zamknięcie w słowach.